Puolivalvottu Gaussinen sekoitusmalli
Puolivalvottu Gaussinen sekoitusmalli (SS-GMM) on generatiivinen todennäköisyysluokittelija, joka sovittaa Gaussisen sekoituksen sekä merkittyihin että merkitsemättömiin tietoihin käyttäen odotusarvo-maksimointialgoritmia. Merkittyjä pisteitä käytetään komponenttien määritysten rajoittamiseen, kun taas merkitsemättömät pisteet parantavat tiheysestimaatteja, mahdollistaen tehokkaan oppimisen, kun annotaatioita on vähän.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
- Nigam, K., McCallum, A. K., Thrun, S., & Mitchell, T. (2000). Text classification from labeled and unlabeled documents using EM. Machine Learning, 39(2-3), 103-134. DOI: 10.1023/A:1007692713085 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Semi-supervised Gaussian Mixture Model (SS-GMM). ScholarGate. https://scholargate.app/fi/machine-learning/semi-supervised-gaussian-mixture-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Label PropagationKoneoppiminen↔ compare
- Puoliohjattu oppiminenKoneoppiminen↔ compare
- Variational AutoencoderSyväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →